موارد استفاده عامل هوش مصنوعی برای کسب‌وکار طیف گسترده و به‌سرعت در حال گسترشی از کارکردهای عملیاتی را پوشش می‌دهد، از خودکارسازی جریان‌های کاری خدمات مشتری و پردازش تراکنش‌های مالی تا انجام پژوهش، مدیریت پایش انطباق و هماهنگی فرآیندهای داخلی چندمرحله‌ای که پیش‌تر نیازمند توجه مداوم انسانی بودند. نخ مشترک میان همه آن‌ها این است که عامل‌های هوش مصنوعی کاری را بر عهده می‌گیرند که برای پردازش دستی در مقیاسی که کسب‌وکارهای مدرن کار می‌کنند، بیش از حد پیچیده، بیش از حد تکراری یا بیش از حد حساس به زمان است.

پیش از ادامه، ارزش دارد که تفاوت میان دستیار هوش مصنوعی و عامل هوش مصنوعی را روشن کنیم. دستیار به دستورها پاسخ می‌دهد. عامل اهداف را دنبال می‌کند. وقتی از یک چت‌بات سؤالی می‌پرسید، پاسخ می‌دهد. وقتی عاملی را بر روی یک وظیفه به کار می‌گمارید، گام‌های لازم را برنامه‌ریزی می‌کند، از ابزارهای در دسترس برای اجرای آن‌ها بهره می‌گیرد، نتایج را ارزیابی می‌کند، رویکرد خود را بر اساس آنچه می‌یابد تنظیم می‌کند و تا رسیدن به هدف یا رسیدن به نقطه‌ای که نیاز به دخالت انسان دارد ادامه می‌دهد. این ظرفیت برای اجرای خودگردان و چندمرحله‌ای است که عامل‌ها را برای نوع جریان‌های کاری کسب‌وکار که بیشترین اهمیت را دارند مفید می‌سازد و همچنین همین ویژگی است که به‌کارگیری اندیشمندانه آن‌ها به‌جای بی‌ملاحظه را به یک اولویت سازمانی تبدیل می‌کند. این راهنما تأثیرگذارترین موارد استفاده عامل هوش مصنوعی برای کسب‌وکار امروز را پوشش می‌دهد، توضیح می‌دهد چرا هر یک به این شکل کار می‌کند و به ملاحظات حاکمیتی می‌پردازد که تعیین می‌کند یک به‌کارگیری ارزش‌آفرینی می‌کند یا مشکل‌ساز می‌شود.

چرا عامل‌های هوش مصنوعی از فاز آزمایش به عملیات اصلی کسب‌وکار منتقل می‌شوند

گذار از ابزارها به مشارکت‌کنندگان فعال

بیشتر کسب‌وکارهایی که هوش مصنوعی را در فاز تجاری اولیه آن پذیرفتند، با آن همچون ابزار رفتار کردند؛ چیزی که هرگاه نیاز داشتید استفاده می‌کردید، مانند یک موتور جست‌وجو یا یک ماشین‌حساب. شما به آن دستور می‌دادید، خروجی دریافت می‌کردید و تصمیم می‌گرفتید با آن خروجی چه کنید. انسان مشارکت‌کننده فعال باقی می‌ماند. هوش مصنوعی یک محصول مفید تولید می‌کرد.

عامل‌های هوش مصنوعی این رابطه را به‌طور بنیادی تغییر می‌دهند. به‌جای آن‌که برای هر گام از یک وظیفه چندبخشی منتظر دستور بمانند، یک عامل توالی‌ای از کنش‌ها را پی می‌گیرد، در هر گام بر اساس نتایج گام‌های پیشین تصمیم می‌گیرد، تا زمانی که وظیفه کامل شود یا شرطی پیش آید که نیازمند داوری انسانی است. انسان هدف و چارچوب‌ها را تعریف می‌کند. عامل اجرا را به انجام می‌رساند.

این گذار برای عملیات کسب‌وکار اهمیت فوق‌العاده‌ای دارد، زیرا پرهزینه‌ترین و وقت‌گیرترین بخش‌های بیشتر جریان‌های کاری کسب‌وکار، خود وظایف منفرد درون آن‌ها نیستند. این بخش‌ها هماهنگی، توالی‌بندی و پیگیری در میان وظایفی هستند که نیاز به توجه پایدار در دوره‌های طولانی دارند. انسانی که یک جریان کاری ده‌مرحله‌ای پژوهش و گزارش‌دهی را اجرا می‌کند باید زمینه کامل وظیفه را در هر گام در ذهن نگاه دارد، تحویل‌ها میان ابزارها و منابع اطلاعاتی را مدیریت کند و در سراسر کار استانداردهای کیفی را بدون تغییرات توجه که اجرای طولانی وظایف ناگزیر به آن می‌انجامد حفظ کند. عامل همه این کارها را بدون بار شناختی، بدون تغییرپذیری و بدون محدودیت‌های زمانی انجام می‌دهد که همین جریان کاری را برای اجرای در مقیاس توسط یک تیم انسانی گران می‌سازد.

ارزش کسب‌وکار در کجا واقعاً متمرکز می‌شود

هر مورد استفاده عامل هوش مصنوعی برای کسب‌وکار ارزش یکسانی ارائه نمی‌دهد. کاربردهایی که بیشترین بازده قابل اندازه‌گیری را ایجاد می‌کنند، به‌طور یکپارچه مجموعه‌ای از ویژگی‌ها را در خود دارند. آن‌ها شامل اجرای پرتکرار فرآیندهای تعریف‌شده هستند که در آن‌ها حجم باعث ایجاد هزینه می‌شود. آن‌ها به هماهنگی میان چند منبع اطلاعاتی یا سامانه نیاز دارند که برای انسان‌ها ملال‌آور اما برای نرم‌افزار سرراست است. آن‌ها معیارهای کیفی روشنی دارند که عامل می‌تواند خروجی‌های خود را با آن‌ها بسنجد. و آن‌ها تخصص انسانی را برای کار قضاوت‌محور آزاد می‌کنند که نه خودکارسازی و نه عامل‌ها از پس آن برنمی‌آیند.

سازمان‌هایی که پرتکرارترین، روشن‌ترین و قابل‌اندازه‌گیری‌ترین فرآیندهای خود را به‌عنوان نقطه شروع به‌کارگیری عامل شناسایی می‌کنند، به‌طور یکپارچه از نتایج بهتری در مقایسه با آن‌هایی که با موارد استفاده بلندپروازانه و کم‌تعریف‌شده‌ای آغاز می‌کنند که معیارهای موفقیت در آن‌ها روشن نیست و ارزیابی عملکرد عامل دشوار است، گزارش می‌دهند.

درک این‌که چگونه انتخاب‌های معماری هوش مصنوعی بر قابلیت اطمینان و قابلیت حسابرسی عامل در فرآیندهای پرتکرار کسب‌وکار اثر می‌گذارد، به سازمان‌ها کمک می‌کند تا به‌کارگیری‌هایی را طراحی کنند که بدون افت کیفیتی که سامانه‌های عاملی با معماری ضعیف با رشد استفاده از خود نشان می‌دهند، مقیاس‌پذیر باشند.

تأثیرگذارترین موارد استفاده عامل هوش مصنوعی برای کسب‌وکار امروز

خدمات مشتری و عملیات پشتیبانی

خدمات مشتری هم یکی از پرکاربردترین و هم یکی از بالغ‌ترین موارد استفاده عامل هوش مصنوعی برای کسب‌وکار است. ترکیب حجم بالای تعامل، جریان‌های کاری حل‌وفصل تعریف‌شده و کیفیت قابل اندازه‌گیری نتیجه، آن را به گزینه‌ای طبیعی برای به‌کارگیری عامل تبدیل می‌کند و شواهد عملیاتی سازمان‌هایی که در این حوزه عامل به کار گرفته‌اند به‌طور قابل‌توجهی مثبت است.

عامل‌های هوش مصنوعی در خدمات مشتری بسیار فراتر از پاسخ به سؤال‌های پرتکرار عمل می‌کنند. یک عامل خدمات مشتری به‌خوبی به‌کارگرفته‌شده جریان کامل حل‌وفصل را برای بخش قابل‌توجهی از تماس‌های ورودی به انجام می‌رساند. تاریخچه و زمینه مشتری را بازیابی می‌کند، ماهیت موضوع را تشخیص می‌دهد، واجد شرایط بودن را بر اساس سیاست جاری بررسی می‌کند، گزینه‌های حل‌وفصل را شناسایی می‌کند، در جایی که اختیار اجازه می‌دهد حل‌وفصل را اجرا می‌کند، نتیجه را به مشتری اطلاع می‌دهد و تعامل را برای پایش کیفیت و اهداف انطباق ثبت می‌کند. این توالی، که از نماینده انسانی می‌خواهد چندین سامانه را هم‌زمان باز نگاه دارد و برای هر تماس میان آن‌ها هماهنگی کند، برای تماس‌هایی که در محدوده اختیار تعریف‌شده عامل قرار می‌گیرند به‌صورت خودگردان اجرا می‌شود.

مسیر ارجاع به انسان عنصر طراحی حیاتی است که تعیین می‌کند این کار به‌خوبی پیش می‌رود یا موجب ناامیدی مشتری می‌شود. تماس‌هایی که فراتر از اختیار عامل هستند، شرایط غیرمعمول دارند یا مشتری در آن‌ها نماینده انسانی را درخواست می‌کند، باید به‌سرعت و با انتقال کامل زمینه به انسان برسند. کار عامل رسیدگی به تماس‌هایی است که می‌تواند به‌خوبی از پس آن‌ها برآید، نه رسیدگی به هر تماسی بدون توجه به تناسب.

فروش و مدیریت سرنخ

عملیات فروش حوزه‌ای پرارزش برای به‌کارگیری عامل هوش مصنوعی است که در آن ترکیب پردازش داده، توالی‌بندی تماس‌های اولیه و پیگیری منسجم باعث می‌شود عامل‌ها به‌طور قابل‌توجهی مؤثرتر از معادل‌های مدیریت‌شده به‌صورت دستی‌ای باشند که جایگزین می‌کنند.

عامل‌های هوش مصنوعی به‌کارگرفته‌شده در جریان‌های کاری فروش، صلاحیت‌سنجی سرنخ‌ها بر اساس معیارهای تعریف‌شده را بدون ناهماهنگی‌ای که صلاحیت‌سنجی انسانی در حجم بالا ایجاد می‌کند انجام می‌دهند. آن‌ها پیش از تماس اولیه درباره حساب‌ها و افراد پژوهش می‌کنند و زمینه مرتبط را از چندین منبع گرد می‌آورند که جمع‌آوری دستی آن برای پژوهشگر انسانی زمان قابل‌توجهی می‌برد. آن‌ها توالی‌های پیگیری را با ثبات زمان‌بندی‌ای اجرا می‌کنند که نمایندگان فروش انسانی، که توجه خود را میان فرصت‌های فعال مدیریت می‌کنند، در عمل به‌ندرت به آن دست می‌یابند. و آن‌ها نشانه‌های اولویت‌بندی را از سراسر یک خط لوله بزرگ آشکار می‌کنند که برای انسانی که بدون کمک تحلیلی همان داده‌ها را مرور می‌کند نامرئی خواهد بود.

مرز مهم در به‌کارگیری عامل فروش، میان کار پژوهش، صلاحیت‌سنجی، توالی‌بندی و اولویت‌بندی‌ای است که عامل‌ها به‌طور مؤثر آن را به انجام می‌رسانند و رابطه‌سازی، مذاکره و توسعه اعتمادی است که به‌وضوح انسانی باقی می‌ماند. سازمان‌هایی که عامل‌ها را برای رسیدگی به دسته اول به کار می‌گمارند و در همان حال اطمینان حاصل می‌کنند که متخصصان فروششان بر دسته دوم متمرکز شوند، معمولاً هم‌زمان شاهد بهبود کارایی و کیفیت رابطه هستند، زیرا انسان‌ها دیگر توجه خود را صرف هماهنگی اداری‌ای که هیچ ارزش رابطه‌ای اضافه نمی‌کند، نمی‌کنند.

عملیات مالی و پایش انطباق

کارکردهای مالی و انطباق یکی از قانع‌کننده‌ترین موارد استفاده عامل هوش مصنوعی برای کسب‌وکار را تشکیل می‌دهند، زیرا ترکیب پردازش پرحجم مبتنی بر قاعده، الزامات دقت سختگیرانه و هزینه قابل‌توجه خطا دقیقاً همان شرایطی را ایجاد می‌کند که در آن به‌کارگیری عامل ارزش قابل اندازه‌گیری ارائه می‌دهد.

جریان‌های کاری حساب‌های پرداختنی و دریافتنی شامل حجم‌های زیادی از پردازش سند، تطبیق، راستی‌آزمایی و رسیدگی به استثنا هستند که عامل‌ها آن‌ها را با ثبات بیشتر و در مقیاس بزرگ‌تر از تیم‌های پردازش دستی به انجام می‌رسانند. عامل‌های پردازش فاکتور داده‌های مرتبط را از اسناد ورودی استخراج می‌کنند، با سفارش‌های خرید و قراردادها تطبیق می‌دهند، استثناها را برای بازبینی انسانی علامت می‌زنند و تأییدها را از طریق جریان‌های کاری تعریف‌شده با مستندسازی ردپای حسابرسی‌ای که کنترل‌های مالی نیاز دارند مسیریابی می‌کنند.

عامل‌های پایش انطباق جریان تراکنش‌ها، سوابق ارتباطی و داده‌های عملیاتی را به‌طور پیوسته در برابر قواعد نظارتی پایش می‌کنند، نه از طریق نمونه‌گیری دوره‌ای که بازبینی انطباق دستی به آن وابسته است. یک عامل انطباق که ارتباطات معاملاتی را برای موضوعات ریسک رفتاری پایش می‌کند، هر پیام را پردازش می‌کند نه یک نمونه آماری، و قواعد ثابتی را بدون تغییرپذیری ناشی از خستگی‌ای که بازبینان انسانی در جلسات طولانی پایش از خود نشان می‌دهند به کار می‌گیرد. استثناها به متخصصان واجد صلاحیت انطباق ارجاع داده می‌شوند که قضاوت خود را بر مواردی به کار می‌گیرند که واقعاً به آن نیاز دارند، در حالی که عامل کار پوششی‌ای را به انجام می‌رساند که پیش‌تر زمان همان متخصصان را صرف وظایفی پایین‌تر از سطح تخصص آن‌ها می‌کرد.

درک این‌که چگونه الزامات امنیت هوش مصنوعی و ردپای حسابرسی بر عامل‌های هوش مصنوعی فعال در جریان‌های کاری مالی تحت‌نظارت اعمال می‌شود، به سازمان‌ها کمک می‌کند به‌کارگیری‌هایی بسازند که هم اهداف کارایی عملیاتی و هم استانداردهای مستندسازی‌ای را که نهادهای ناظر مالی انتظار دارند، برآورده سازد.

کارکرد کسب‌وکار	توانمندی عامل	ارزش اصلی ارائه‌شده
خدمات مشتری	حل‌وفصل کامل جریان کاری در محدوده اختیار تعریف‌شده	رسیدگی به حجم، ثبات، دسترسی ۲۴/۷
عملیات فروش	صلاحیت‌سنجی سرنخ، پژوهش، توالی‌بندی پیگیری	پوشش خط لوله، ثبات زمان‌بندی، اولویت‌بندی
عملیات مالی	پردازش سند، تطبیق، مسیریابی استثنا	دقت در مقیاس، ردپای حسابرسی، سرعت پردازش
پایش انطباق	نظارت پیوسته مبتنی بر قاعده، ارجاع استثنا	کامل بودن پوشش، ثبات، آزادسازی زمان متخصص
عملیات IT	شناسایی، تشخیص و اجرای حل‌وفصل حادثه	سرعت پاسخ، تداوم پوشش، کیفیت ارجاع
عملیات منابع انسانی	غربال‌گری نامزد، هماهنگی پذیرش، رسیدگی به پرس‌وجو	ثبات فرآیند، کارایی اداری

پژوهش، هوشمندی و مدیریت دانش

کارکردهای پژوهش‌محور کسب‌وکار از جمله هوشمندی رقابتی، تحلیل بازار، پایش نظارتی و مدیریت دانش داخلی، موارد استفاده عامل هوش مصنوعی برای کسب‌وکار هستند که در آن‌ها ترکیب گردآوری اطلاعات از چند منبع، ترکیب آن‌ها و پایش مستمر، به‌کارگیری عامل را به‌ویژه ارزشمند می‌سازد.

یک عامل هوشمندی رقابتی که با مأموریت پایش پیوسته به کار گرفته شده است، اعلان‌های رقبا، پرونده‌های نظارتی، انتشار حق ثبت اختراع و پوشش رسانه‌ای را در منابع تعریف‌شده پیگیری می‌کند، تحولات مرتبط را در برابر الزامات هوشمندی سازمان آشکار می‌کند و گزارش‌های منظمی را گرد می‌آورد که یافته‌ها را در سراسر چشم‌انداز پایش‌شده ترکیب می‌کند. همان پوشش به‌صورت دستی نیازمند زمانی از تحلیلگر است که با گستره پایش موردنیاز متناسب است. عامل پوشش منسجم و جامع را با سرمایه‌گذاری منابعی کسری از آن ارائه می‌دهد.

عامل‌های مدیریت دانش داخلی به سازمان‌ها کمک می‌کنند دانش نهادی‌ای را که در مستندات، پروژه‌های گذشته و فرآیندهای انباشته آن‌ها قفل شده است، در لحظه برای کارکنانی که به آن نیاز دارند در دسترس قرار دهند. به‌جای صرف زمان برای جست‌وجو در مخازنی با سازماندهی و به‌روزرسانی ناهمگون، کارکنان از عاملی پرس‌وجو می‌کنند که دانش مرتبط را بنا به درخواست بازیابی و ترکیب می‌کند. عامل جایگزین تخصص افرادی که آن دانش را خلق کرده‌اند نمی‌شود. او آن تخصص را برای هر کسی که به آن نیاز دارد قابل‌دسترس می‌سازد، نه فقط برای افرادی که اتفاقاً می‌دانند کجا ذخیره شده است یا از چه کسی باید بپرسند.

بازبینی این‌که قابلیت‌های هوش مصنوعی در پلتفرم‌های عاملی سازمانی چگونه با ارجاع منبع و کنترل‌های دسترسی پایگاه دانش برخورد می‌کنند، به سازمان‌ها کمک می‌کند عامل‌های پژوهش و دانشی به کار گیرند که خروجی‌های قابل راستی‌آزمایی و به‌درستی محدودشده تولید می‌کنند، نه ترکیب‌های بدون استناد که نمی‌توان آن‌ها را به‌طور مؤثر بررسی یا با کنترل‌های دسترسی محدود کرد.

عملیات IT و مدیریت زیرساخت

عملیات IT یک حوزه به‌کارگیری پرارزش برای عامل‌های هوش مصنوعی است، زیرا ترکیب الزامات پایش پیوسته، کتاب‌چه‌های پاسخ تعریف‌شده و هزینه قابل‌توجه پاسخ کند به حادثه، شرایطی را ایجاد می‌کند که در آن خودگردانی عامل سود عملیاتی قابل اندازه‌گیری ارائه می‌دهد.

عامل‌های عملیات IT سلامت زیرساخت، عملکرد برنامه‌های کاربردی و جریان رویدادهای امنیتی را به‌طور پیوسته پایش می‌کنند، منطق تشخیصی تعریف‌شده را برای شناسایی ناهنجاری‌ها و علل احتمالی آن‌ها پیش از ارجاع به مهندسان انسانی با زمینه تشخیص از پیش گردآوری‌شده به کار می‌گیرند. مهندس انسانی که از یک عامل عملیات IT به‌خوبی به‌کارگرفته‌شده ارجاعی دریافت می‌کند، با خط زمانی رویداد، ارزیابی علت احتمالی، حوادث تاریخی مرتبط و رویه‌های حل‌وفصل استاندارد در دسترس به سراغ مسئله می‌رود، نه آن‌که بخش قابل‌توجهی از زمان نخستین پاسخ خود را صرف گردآوری آن زمینه از چندین سامانه پایش کند.

عامل‌هایی که برای اجرای اقدامات اصلاحی تعریف‌شده اختیار دارند، راه‌اندازی مجدد سرویس‌ها، مقیاس‌بندی منابع، اعمال وصله‌های استاندارد، جداسازی سامانه‌های احتمالاً آسیب‌دیده، موارد حل‌وفصل روزمره را به‌صورت خودگردان بر عهده می‌گیرند و در همان حال موقعیت‌های واقعاً نوظهور یا پراثر را که نیازمند داوری متخصص هستند ارجاع می‌دهند. نتیجه میانگین زمان حل‌وفصل سریع‌تر در اکثریت حوادث و پاسخ انسانی بهتر آماده‌شده در اقلیت حوادثی است که واقعاً به توجه متخصص نیاز دارند.

طراحی به‌کارگیری‌های عامل هوش مصنوعی که در عمل کار می‌کند

تعریف مرزهای اختیار پیش از به‌کارگیری

مهم‌ترین تصمیم طراحی در هر به‌کارگیری عامل هوش مصنوعی برای کسب‌وکار، تعریف این است که عامل اجازه دارد چه کاری را به‌صورت خودگردان انجام دهد و چه کاری پیش از اجرا به تأیید انسانی نیاز دارد. این تصمیم به‌طور هم‌زمان ارزش عملیاتی عامل و نمایه ریسک به‌کارگیری را تعیین می‌کند و گرفتن آن به‌درستی نیازمند اندیشیدن دقیق به پیامد اقدام نادرست عامل در هر دسته از کنش‌ها است.

یک چارچوب سودمند کنش‌های عامل را به سه دسته تقسیم می‌کند. کنش‌های کاملاً خودگردان آن‌هایی هستند که پیامد خطای عامل در آن‌ها پایین، کنش به‌سادگی برگشت‌پذیر و سود حجمی اجرای خودگردان بالاست. بازیابی اطلاعات، بررسی وضعیت، تولید پیش‌نویس و ارسال اعلان در پارامترهای تعریف‌شده معمولاً در اینجا قرار می‌گیرند. کنش‌های با حضور انسان در حلقه آن‌هایی هستند که پیامد خطا در آن‌ها متوسط، برگشت‌ناپذیری جزئی است یا موقعیت ویژگی‌هایی دارد که اختیار مبتنی بر قاعده را غیرقابل‌اعتماد می‌سازد. این کنش‌ها توسط عامل آماده می‌شوند و پیش از اجرا توسط انسانی بازبینی می‌شوند. کنش‌های کاملاً مجاز انسانی آن‌هایی هستند که پیامدهای قابل‌توجه، برگشت‌ناپذیری مادی یا الزامات پاسخگویی نظارتی دارند. این‌ها صرف‌نظر از توانمندی عامل به تصمیم و اجازه انسانی نیاز دارند، زیرا پاسخگویی برای آن‌ها نمی‌تواند به‌درستی بر دوش یک سامانه خودکار قرار گیرد.

اصل ۳۰ درصد نقطه شروعی عملی برای این کار طراحی است. عامل‌ها باید کنش‌های پرتکرار، روشن و کم‌پیامدی را که تقریباً ۳۰ درصد از فعالیت جریان کاری را تشکیل می‌دهند به‌صورت خودگردان اجرا کنند، در حالی که داوری و اجازه انسانی ۷۰ درصدی را پوشش می‌دهد که شامل تصمیمات پیامدساز، موقعیت‌های غیرمعمول و پاسخگویی‌هایی است که باید بر دوش یک فرد و نه یک سامانه قرار گیرد.

اندازه‌گیری، پایش و تکرار

به‌کارگیری‌های عامل هوش مصنوعی که ارزش پایدار ارائه می‌دهند به‌جای آن‌که به‌کار گرفته و فراموش شوند، به‌طور فعال مدیریت می‌شوند. عملکرد یک عامل در اهداف تعریف‌شده‌اش، نرخی که با آن به بازبینی انسانی ارجاع می‌دهد، کیفیت حل‌وفصل‌های خودگردان او و الگوهای موجود در دلایل ارجاع او، همگی هوشمندی عملیاتی‌ای فراهم می‌کنند که باید در پالایش مداوم به‌کار گرفته شود.

عامل‌هایی که بیش از حد ارجاع می‌دهند اغلب از اختیار ناکافی برخوردارند یا برای محیط واقعی وظیفه خود ضعیف پیکربندی شده‌اند. عامل‌هایی که به‌ندرت ارجاع می‌دهند ممکن است از اختیار مناسب خود فراتر بروند، بی‌آن‌که نظارت لازم برای کنش‌های پیامدساز را داشته باشند. یافتن و حفظ نرخ ارجاع مناسب برای هر به‌کارگیری نیازمند پایش و تنظیم مداوم است، نه پیکربندی یک‌باره.

یک راهنمای جامع هوش مصنوعی در زمینه ایجاد چارچوب‌های اندازه‌گیری عملکرد برای عامل‌های هوش مصنوعی کسب‌وکار به سازمان‌ها کمک می‌کند نظم عملیاتی‌ای را بسازند که به‌کارگیری‌های اولیه را به دارایی‌های کسب‌وکار با بهبود مستمر تبدیل می‌کند، نه خودکارسازی‌های ایستایی که با تغییر محیط عملیاتی، در کیفیت از مسیر منحرف می‌شوند.

نکته‌هایی برای دانستن

چند ملاحظه مهم درباره موارد استفاده عامل هوش مصنوعی برای کسب‌وکار که سازمان‌ها به‌طور پیوسته از طریق تجربه به‌کارگیری کشف می‌کنند:

از آنچه که جاه‌طلبانه به نظر می‌رسد، باریک‌تر آغاز کنید. به‌کارگیری‌های عامل هوش مصنوعی که قابل‌اطمینان‌ترین ارزش اولیه را ارائه می‌دهند، آن‌هایی هستند که دامنه‌ای روشن، معیارهای موفقیت قابل اندازه‌گیری و محیط عملیاتی به‌خوبی شناخته‌شده دارند. به‌کارگیری‌های گسترده و بلندپروازانه با معیارهای موفقیت مبهم، آموزه‌هایی تولید می‌کنند اما به‌ندرت ارزش عملیاتی‌ای را که اعتماد سازمانی و حمایت اجرایی برای سرمایه‌گذاری بیشتر را می‌سازد، ارائه می‌دهند.

عملکرد عامل تنها در صورتی به شکل برازنده افت می‌کند که مسیرهای جایگزین طراحی شده باشند. وقتی عامل با موقعیتی خارج از پارامترهای عملیاتی تعریف‌شده‌اش روبه‌رو می‌شود، کیفیت نتیجه کاملاً به مسیر جایگزینی که در سامانه طراحی شده وابسته است. عامل‌های بدون فرآیندهای ارجاع و تحویل روشن یا به‌طور آشکار شکست می‌خورند یا، بدتر، در موقعیت‌هایی که باید کار را به انسان تحویل می‌دادند، خروجی‌های خودگردان کم‌کیفیت تولید می‌کنند.

ثبت گزارش هر کنش عامل یک الزام عملیاتی است، نه یک افزوده اختیاری. توانایی حسابرسی این‌که عامل چه کاری، با چه توالی، روی چه ورودی‌هایی و با چه اختیاری انجام داده است، برای بهبود کیفیت، بررسی حادثه و انطباق نظارتی در هر زمینه کسب‌وکار ضروری است. سازمان‌هایی که با ثبت گزارش به‌مثابه چیزی خوب‌بودنی برخورد می‌کنند، در نخستین حادثه خود کشف می‌کنند که بازسازی رفتار عامل بدون گزارش‌های جامع عملاً ناممکن است.

عامل‌ها ریسک‌های دسترسی به داده سامانه‌هایی را که به آن‌ها متصل می‌شوند، به ارث می‌برند. عاملی با دسترسی به CRM شما، سامانه‌های مالی شما و زیرساخت ایمیل شما، اگر کنترل‌های دسترسی او به‌اندازه خود آن سامانه‌ها سختگیرانه نباشد، هدفی پرارزش است. مدیریت دسترسی برای عامل‌ها به همان نظمی نیاز دارد که مدیریت دسترسی برای کاربران انسانی ممتاز.

اعتماد کاربر به خروجی‌های عامل برای شکل‌گیری زمان می‌برد و می‌تواند به‌سرعت آسیب ببیند. کارکنانی که محصول کار یا تصمیم‌هایی را از عامل‌های هوش مصنوعی دریافت می‌کنند، اعتماد را بر اساس تجربه خود از کیفیت عامل در طول زمان شکل می‌دهند. دوره‌ای از عملکرد خودگردان پرکیفیت اعتمادی را می‌سازد که پذیرش را تسریع می‌کند. خطایی قابل‌توجه، به‌ویژه با پیامدهای آشکار، آن اعتماد را به شیوه‌هایی آسیب می‌زند که بازسازی‌اش بسیار بیشتر از زمانی که برای ایجادش لازم بود طول می‌کشد.

هفت نوع کارکردی عامل‌های هوش مصنوعی در زمینه‌های کسب‌وکار عبارت‌اند از: عامل‌های بازیابی اطلاعات، عامل‌های خودکارسازی جریان کاری، عامل‌های پایش و هشدار، عامل‌های پشتیبانی تصمیم، عامل‌های ارتباطات، عامل‌های پژوهش و ترکیب، و عامل‌های هماهنگی. بیشتر به‌کارگیری‌های عملی کسب‌وکار چند نوع کارکردی را درون یک به‌کارگیری واحد ترکیب می‌کنند، که به همین دلیل تعریف مرز اختیار برای هر نوع کارکردی از نظر عملیاتی سودمندتر از دسته‌بندی به‌کارگیری کلی در یک نوع است.

چشم‌انداز فروشندگان زیرساخت عامل سریع‌تر از بیشتر چرخه‌های تدارکات سازمانی در حال تحول است. پلتفرم‌ها، چارچوب‌ها و مدل‌های بنیادی که به‌کارگیری‌های عامل را به پیش می‌برند، سال به سال به‌طور قابل‌توجه تغییر می‌کنند. ساخت معماری‌های عامل با جدایی روشن میان منطق کسب‌وکار و مدل و پلتفرم زیربنایی، هزینه سازگاری با این تغییر را کاهش می‌دهد، به‌جای آن‌که در دامن انتخاب‌های زیرساختی‌ای گیر بیفتید که هنگام به‌کارگیری منطقی به نظر می‌رسیدند اما با تحول چشم‌انداز محدودکننده می‌شوند.

توجیه کسب‌وکار برای سرمایه‌گذاری در عامل هوش مصنوعی اکنون عملیاتی است، نه گمانه‌زن

گفت‌وگو درباره موارد استفاده عامل هوش مصنوعی برای کسب‌وکار از این‌که آیا عامل‌ها ارزش واقعی ارائه خواهند داد به این‌که کدام به‌کارگیری‌ها بیشترین ارزش را ارائه می‌دهند و عوامل سازمانی تعیین‌کننده موفقیت چیستند، منتقل شده است. شواهد عملیاتی از سازمان‌هایی که از مرحله آزمایش به به‌کارگیری در تولید گذر کرده‌اند سازگار و رو به افزایش است. فرآیندهای پرتکرار، به‌خوبی تعریف‌شده با نتایج قابل اندازه‌گیری و مسیرهای ارجاع روشن، دستاوردهای کارایی، بهبود ثبات کیفیت و بازتخصیص زمان کارکنان به کار با ارزش بالاتری را ارائه می‌دهند که در توجیه‌های کسب‌وکار پیش از به‌کارگیری پیش‌بینی شده بود.

سازمان‌هایی که این ارزش را به دست می‌آورند الزاماً سریع‌ترین حرکت‌کنندگان نیستند. آن‌ها سازمان‌هایی هستند که مرزهای اختیار خود را با دقت تعریف کرده‌اند، اندازه‌گیری و نظارت را از همان آغاز در به‌کارگیری‌های خود ساخته‌اند و نظم حاکمیتی را حفظ کرده‌اند تا انسان‌ها برای تصمیم‌هایی که عامل‌ها از آن‌ها پشتیبانی می‌کنند، نه آن‌ها را می‌گیرند، پاسخگو بمانند. این ترکیب از به‌کارگیری توانمندی و نظم حاکمیتی است که سرمایه‌گذاری در عامل هوش مصنوعی را از یک آزمایش جالب به یک مزیت رقابتی پایدار تبدیل می‌کند.

پرسش‌های پرتکرار

موارد استفاده عامل‌های هوش مصنوعی در کسب‌وکار چیست؟

موارد استفاده عامل‌های هوش مصنوعی در کسب‌وکار شامل خودکارسازی جریان کاری خدمات مشتری، صلاحیت‌سنجی سرنخ فروش و پیگیری، پردازش اسناد مالی و پایش انطباق، پاسخ به حوادث عملیات IT، هوشمندی رقابتی و ترکیب پژوهش، مدیریت دانش داخلی و هماهنگی فرآیند منابع انسانی است. موارد استفاده‌ای که سازگارترین ارزش را ارائه می‌دهند سه ویژگی مشترک دارند: تکرار اجرای بالا، معیارهای موفقیت به‌خوبی تعریف‌شده و مرزهای اختیار روشنی که تعیین می‌کنند عامل چه کاری را به‌صورت خودگردان بر عهده می‌گیرد و چه کاری به بازبینی انسانی ارجاع داده می‌شود.

برخی از موارد استفاده رایج هوش مصنوعی در کسب‌وکار چیست؟

رایج‌ترین موارد استفاده هوش مصنوعی در کسب‌وکار امروز خودکارسازی خدمات مشتری، کمک به فروش و مدیریت خط لوله، پردازش سند و استخراج داده، پایش و گزارش‌دهی انطباق، تولید و بازبینی کد، جست‌وجوی داخلی و بازیابی دانش، و زمان‌بندی و هماهنگی جریان کاری است. در سراسر این کاربردها، محرک مشترک کسب‌وکار، رسیدگی به کار پرحجم و فرآیند‌محور با ثبات و مقیاسی است که اجرای دستی نمی‌تواند به‌صرفه با آن تطبیق پیدا کند، و آزادسازی تخصص انسانی برای کار قضاوت‌محور است که بیشترین ارزش راهبردی کسب‌وکار را به پیش می‌برد.

قاعده ۳۰ درصد برای هوش مصنوعی چیست؟

قاعده ۳۰ درصد برای هوش مصنوعی این اصل است که عامل‌های هوش مصنوعی باید تقریباً ۳۰ درصد از یک جریان کاری را به‌صورت خودگردان بر عهده گیرند، به‌ویژه کنش‌های پرتکرار، به‌خوبی تعریف‌شده و کم‌پیامدی که در آن‌ها خودکارسازی سود کارایی روشنی ارائه می‌دهد، در حالی که داوری و پاسخگویی انسانی ۷۰ درصد باقی‌مانده را که شامل تصمیمات پیامدساز، موقعیت‌های غیرمعمول و خروجی‌هایی است که پاسخگویی سازمانی یا نظارتی به همراه دارند، پوشش می‌دهد. در طراحی به‌کارگیری عامل، این اصل مستقیماً به تصمیمات مربوط به مرز اختیار ترجمه می‌شود که تعیین می‌کنند کدام کنش‌های عامل کاملاً خودگردان هستند، کدام پیش از اجرا به بازبینی انسانی نیاز دارند و کدام صرف‌نظر از توانمندی عامل به تصمیم و اجازه انسانی نیاز دارند.

عامل‌های هوش مصنوعی برای کاربردهای کسب‌وکار چیستند؟

عامل‌های هوش مصنوعی برای کاربردهای کسب‌وکار سامانه‌های نرم‌افزاری‌ای هستند که اهداف تعریف‌شده را از طریق اجرای خودگردان چندمرحله‌ای دنبال می‌کنند و از ابزارها و منابع داده در دسترس برای برنامه‌ریزی، اجرا، ارزیابی و تنظیم کنش‌های خود استفاده می‌کنند تا زمانی که هدفی محقق یا به یک نقطه کنترل انسانی رسیده شود. برخلاف دستیاران هوش مصنوعی که به دستورهای منفرد پاسخ می‌دهند، عامل‌ها زمینه وظیفه را در سراسر چند گام حفظ می‌کنند، تصمیمات میانی را بر اساس نتایج روبه‌رو شده در حین اجرا می‌گیرند و هماهنگی و پیگیری را در سراسر جریان‌های کاری پیچیده بر عهده می‌گیرند که همین آن‌ها را برای آن نوع از فرآیندهای پایدار و چندمرحله‌ای کسب‌وکار که اجرای انسانی در آن‌ها پرهزینه‌ترین و در کیفیت متغیرترین است، ارزشمند می‌سازد.

۷ نوع عامل هوش مصنوعی چیست؟

هفت نوع کارکردی عامل‌های هوش مصنوعی در زمینه‌های کسب‌وکار عبارت‌اند از: عامل‌های بازیابی اطلاعات که داده‌ها را از منابع تعریف‌شده گرد می‌آورند و ترکیب می‌کنند، عامل‌های خودکارسازی جریان کاری که فرآیندهای چندمرحله‌ای تعریف‌شده را اجرا می‌کنند، عامل‌های پایش و هشدار که جریان‌های داده را در برابر قواعد تعریف‌شده پایش می‌کنند، عامل‌های پشتیبانی تصمیم که گزینه‌ها را تحلیل و کنش‌هایی را برای بازبینی انسانی پیشنهاد می‌کنند، عامل‌های ارتباطات که پیام‌های خروجی را پیش‌نویس و مدیریت می‌کنند، عامل‌های پژوهش و ترکیب که تحلیل چندمنبعی انجام می‌دهند و عامل‌های هماهنگی که توالی‌بندی و تحویل میان دیگر عامل‌ها یا مشارکت‌کنندگان انسانی را مدیریت می‌کنند. بیشتر به‌کارگیری‌های تولیدی کسب‌وکار چند نوع کارکردی را درون یک سامانه به‌کارگرفته‌شده ترکیب می‌کنند، با ترکیب ویژه‌ای که توسط جریان کاری در حال خودکارسازی تعیین می‌شود، نه با هیچ دسته‌بندی نوع عامل واحدی.